Sentiment Analyse
Kommerziell Benotzung OK
579 Modeller
Keen Waasserzeechen
Keng Umeldungsinformatioun
Modell:
+ GPT-5, Claude, Gemini
Allgemeng
-
-
Polaritéit
-
-100 bis +100
Vertrauen
-
-
Zesummenfassung
Erweitert Optiounen
Resultat
Den Haaptuert ass Basse-Terre.
Méi Token kréien
❤️ Liewe Free.ai? Erzielt Är Frënn!
D'Asteroiden 1634 (1634) A. A. an 1635 (1635) A. A. sinn nom A. benannt, dem franséische Mathematiker.
Méi wëllen?
D'Spill ass gratis, an et gëtt 30.000 Punkten.
Gratis registréieren
D'Ufro gëtt veraarbecht...
Analyséiert Textgefill mat gratis AI. Erkennt positiv, negativ an neutral Tonen.
Wéi benotzt Sentiment Analyse
1
Gitt Är Input an
Text aginn, eng Datei erofladen oder beschreiwen wat Dir wëllt. Keen Kont néideg.
2
Generéieren
D'Aarbecht ass an zwou Phasen opgedeelt, déi am Ufank vun der Geschicht vum Land geschitt.
3
Download & Share
Är Resultater erofzelueden, kopiéieren oder deelen. Gratis fir perséinlech a kommerziell Notzung.
Dësen Tool iwwer API benotzen
Automatiséieren dës Tool aus Ärem eegene Code. OpenAI-kompatibel REST Endpoint, Bearer-Token Auth, keng extra SDK erfuerderlech. Token Käschte passen op d'Webinterface.
curl -X POST https://api.free.ai/v1/chat/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model": "qwen7b", "messages": [{"role": "user", "content": "Summarize this: ..."}]}'Lëscht vu lëtzebuergesche Geispiller
Sentiment Analyse - FAQ
Déi fënnef Saachen, ofhängeg vum Modus, deen Dir wielt: (1) allgemeng Polaritéit - e Score vu - 100 bis + 100 mat Vertrauen; (2) 6-dimensional Emotiounen - Freed, Wuert, Angst, Trauer, Iwwerraschung, Ekel; (3) Aspekt- baséiert - extrahéiert genannte Featuren oder Entitäten an bewäert all separat; (4) Sarkasmus / Ënnertext - féiert d' Polaritéit vun der Uewerfläch op erkannter Ironie ëm; (5) pro- Saz - markéiert all Saz eleng. Wielt de Modus, deen Ärem Usecase entsprécht.
Ja - eng typesch 200-Wäert-Review féiert d'standard Qwen 3 30B Modell op ~ 200 Token, komfortabel an der 6.000 anonym oder 30.000 ugemellt alldeegleche Pool. Forensic-Deep-Aspekt Analyse op méi laang Texter kascht ~ 600 Token. Keng Umeldungs erfuerderlech fir e puer ze probéieren.
Comparable on overall polarity (~85% agreement with human raters on clear-cut text), behind Google on subject-classification precision, ahead of most on sarcasm because we give the model explicit sarcasm-detection prompts. Enterprise vendors charge $1-4 per 1,000 units. Our advantage: emotion radar + aspect-based output in one call, free, no API key to provision.
Ja - Wechseln Sie zum Modus "Sarkasmus + Untertext". Die Systemprompt instruiert das Modell explizit, die Oberflächenpolarität umzukehren, wenn es Ironie erkennt ("Oh great, another delay" scores negative, even though positive- word presence"). Genauigkeit auf offensichtliche Sarkasmus ist ~ 80%; subtile passiv- aggression ist schwieriger für jedes Modell. Das "Mixed" Urteil + niedrige Vertrauen Score ist Ihr Flagge, um den Text selbst zu lesen.
Anstatt e Verbuet fir de ganzen Text ze kréien, kritt Dir e separate Score fir all ernimmt Entitéit oder Feature. Beispill: "The hotel was beautiful but the breakfast was cold and the wifi was terrible" gëtt {hotel: +80, breakfast: -50, wifi: -70}. Ideal fir Produktrecensiounen, Restaurant Feedback, an NPS Kommentaren wou Clienten Lob a Klagen an engem Absatz zesummemëscht.
99 Sproochen. D' sechs Emotiounsdimensione kommen aus der Ekman Basis-Emotion Fuerschung an iwwersetzen universell. D' Genauegkeet ass héchst fir Englesch, Spuenien, Franséisch, Portugiesesch, Däitsch, Chinesesch, Japanesch; Sproochen mat manner Ressourcen funktionnéieren, mä kënne méi niddreg Vertrauenswäerter produzéieren.
Ja — dat ass ee vun de wertvollsten Use Cases. Run incoming tickets through "Support ticket" domain mode; tickets scoring below -50 polarity with high anger-dimension go to your senior support queue, positive-verdict tickets route to self-service. Export JSON via the download button and wire into Zendesk / Freshdesk automations.
Ja - POST to /v1/chat/ with the same system prompt this page builds (check source for the exact prompt). Returns structured JSON. Good for dashboards that ingest thousands of reviews nightly. Bearer auth, monthly limits. Docs at /api/.
Confiance reflektéiert d' Sécherheet vum Modell, net Är Sécherheet. Kuerz Inputen (< 20 Wierder), onkloer Texter, an Inhalter mat gemischter Polaritéit kréien e niddrege Score. E positive Score mat niddrege Confiance ass keen zouverléissege Negativ - et ass "Ech weess et net". Behandelt all Score ënner 50 als néideg fir eng Mënschekontroll.
D'UI féiert ee Text op eemol aus. Fir Bulk, erlaabt de JSON+CSV Download Iech d'API an e Python oder Node Skript ze wiren, dat Är Datensets iteréiert. Limiten: 20.000 Zeichen pro Opruff, 100 Opruff/Stonn pro IP fir anonym Benotzer, 1.000/Stonn fir registréiert Kont. Enterprise Rate Limiten verfügbar - kontaktéiert eis.
D'MonkeyLearn gouf iwwerholl an ofgeschafft. Lexalytics an Repustate bezuelen $500-5000/mo fir déi selwecht Aspekt-baséiert + Emotioun Erkennung. Eist Tool ass gratis fir déi meescht Workflows; Premium Modeller (GPT-5, Claude Sonnet) sinn pro Call verfügbar fir déi héchst Stake-Use Cases wéi Earnings-Call Transcripts.
Text gëtt am Speicher vun eiser GPU veraarbecht, fir anonym Benotzer gëtt et net op der Disk gehalen. Ugemeldete Benotzer gesinn Berichter 7 Deeg laang op hirem Dashboard. Mir deelen Text ni mat Drëtten oder benotzen et fir Training. Fir Zero-Log Compliance benotzt Ären eegenen API-Key-gated Endpoint - kontaktéiert eis fir Enterprise SLAs.
Wéi géift Dir dat Tool bewäerten?